RapidMACS: MACS3-identical peak calling, 50x faster

Nel mondo microscopico all'interno delle nostre cellule, il DNA che contiene le nostre istruzioni genetiche non fluttua liberamente; è strettamente avvolto attorno a spolette proteiche, formando una struttura densa che deve essere gestita con cura. Per leggere geni specifici o per capire come le cellule decidano quali parti del loro codice genetico utilizzare, gli scienziati devono sapere esattamente dove il DNA è accessibile e dove è strettamente compattato. Un modo comune per trovare queste regioni accessibili è trattare il DNA con enzimi che tagliano solo le parti sciolte e aperte, lasciando intatte le sezioni strettamente avvolte. Mappando dove avvengono questi tagli, i ricercatori possono individuare le aree attive del genoma. Questo processo genera enormi quantità di dati, che devono poi essere analizzati per identificare le specifiche posizioni di interesse. Questa fase di analisi, nota come "peak calling", agisce come un filtro che setaccia milioni di punti dati per trovare i punti precisi in cui il segnale è abbastanza forte da essere significativo. Per anni, uno strumento ampiamente utilizzato chiamato MACS3 è stato lo standard per questo compito, capace di gestire molti diversi tipi di esperimenti e formati di dati. Tuttavia, con l'esplosione del volume dei dati biologici, il tempo richiesto per eseguire queste analisi è diventato un collo di bottiglia significativo, rallentando il ritmo della scoperta in campi che vanno dalla biologia di base alla ricerca medica.

Un team di ricercatori ha introito un nuovo strumento chiamato RapidMACS, progettato per risolvere questo problema di velocità senza sacrificare l'accuratezza. Sebbene l'esistente toolkit MACS3 sia potente e versatile, capace di gestire una vasta gamma di condizioni sperimentali, molti studi moderni, in particolare quelli che riguardano la mappatura della cromatina aperta nelle singole cellule, hanno bisogno solo di una funzione specifica: trovare picchi di attività stretti. I ricercatori si sono resi conto che usare una macchina massiccia e multiuso per un unico lavoro semplice era inefficiente. Si sono così posti l'obiettivo di costruire uno strumento specializzato che potesse svolgere solo questo compito, ma farlo con una velocità molto maggiore. Il risultato è un programma che elabora i dati in un unico passaggio fluido, evitando la necessità di ordinare l'intero set di dati globalmente o di creare file temporanei su un disco rigido. Inveve, mantiene le informazioni necessarie nella memoria del computer ed elabora diverse sezioni del genoma contemporaneamente. Questo approccio permette al software di gestire i dati molto più velocemente rispetto allo standard precedente.

Le prestazioni di questo nuovo strumento sono state testate attraverso diversi tipi di esperimenti biologici, inclusi quelli che mappano il DNA aperto nelle singole cellule, campioni di tessuto bulk e specifiche interazioni proteina-DNA. In questi test, RapidMACS ha dimostrato di essere tra 3,5 e 51 volte più veloce della versione precedente di MACS3, a seconda dello specifico esperimento e del numero di processori del computer utilizzati. Forse, cosa più importante, i ricercatori hanno scoperto che l'output di RapidMACS è byte-identico all'output di MACS3. Ciò significa che ogni singolo numero e posizione riportata dal nuovo strumento corrisponde esattamente al vecchio strumento, fino all'ultimo digit. Poiché i risultati sono identici, gli scienziati possono passare al più veloce strumento con la certezza assoluta che la loro analisi successiva non cambierà. Il miglioramento della velocità non deriva dall'uso di un linguaggio di programmazione diverso, ma da un modo più intelligente di organizzare i calcoli, permettendo al software di saltare passaggi non necessari che lo strumento più vecchio era costretto a compiere.

Questo nuovo software è ora disponibile per chiunque voglia utilizzarlo, fornito come programma standalone che può essere eseguito direttamente o come componente che può essere integrato in pipeline di analisi più ampie. È scritto per essere leggero, affidandosi solo a librerie essenziali per la lettura di file di dati biologici, e non richiede ambienti di runtime complessi per operare. Rimuovendo il tempo sprecato in processi ripetitivi di dati, RapidMACS permette ai ricercatori di passare meno tempo ad aspettare che i computer finiscano il loro lavoro e più tempo nell'interpretare le storie biologiche nascoste nei dati. Lo strumento rappresenta un raffinamento pratico nel toolkit scientifico, dimostrando che anche in un campo guidato da algoritmi complessi, l'efficienza può essere guadagnata semplificando il percorso verso la risposta.